マルチメディアのためのマルチモーダル深層解析【JST・京大機械翻訳】

Zhu Wenwu; Wang Xin; Li Hongzhi

プレプリント

J-GLOBAL ID：202202217681596074 整理番号：22P0080828

マルチメディアのためのマルチモーダル深層解析【JST・京大機械翻訳】

Multi-modal Deep Analysis for Multimedia

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2019年10月11日プレプリントサーバーでの情報更新日： 2020年01月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

過去10年間のインターネットとマルチメディアサービスの急速な発展により,大量のユーザ生成とサービスプロバイダ生成マルチメディアデータが利用可能になった。これらのデータは,自然界で不均一でマルチモーダルであり,それらを処理および分析するための大きな課題を課す。マルチモーダルデータは,テキスト,画像,ビデオ,オーディオなどの異なるモダリティからの様々なタイプのデータの混合物から成る。本論文では,マルチメディアにおけるマルチモーダル解析のための深く包括的な概観を示した。マルチメディア解析のための2つの科学的研究問題,データ駆動相関表現および知識誘導融合を導入した。2つの科学的問題に取り組むために,次の側面からそれらを調査した。1)マルチモーダル相関表現:異なる様式にわたるデータのマルチモーダル融合,2)マルチモーダルデータおよび知識融合:ドメイン知識によるデータのマルチモーダル融合。より具体的には,データ駆動相関表現において,マルチモーダル深層表現,マルチモーダル転送学習,マルチモーダルハッシングのような3つの重要なカテゴリーの方法を強調する。知識誘導融合において,著者らは,マルチモーダル視覚質問応答,マルチモーダルビデオ要約,マルチモーダル視覚パターンマイニングおよびマルチモーダル推薦を含む,様々な種類のドメイン知識を必要とするデータおよび4つの模範的アプリケーションと知識を融合するためのアプローチを検討した。最後に,著者らの洞察と将来の研究方向を提唱した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能 , 計算機網 , その他の情報処理 , 図形・画像処理一般 , 人間機械系

, , ,

前のページに戻る